多传感器数据融合和机器学习的应用,用于早期警告坎布里亚石灰岩水危险
Hang Li1,2, Yijia Li1,2, Wantong Lin1,2
1Inner Mongolia Research Institute, China University of Mining and Technology (Beijing), Beijing 100083, China.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
矿山水灾难是严重的. 高能量的微地震事件和水位下降之前的水冲入,使一个新的早期预警系统采矿安全.
科学领域:
- 地质技术工程 地质技术工程
- 采矿工程 采矿工程 采矿工程
- 地质物理学 地质物理学
背景情况:
- 矿业中的水灾带来了重大风险.
- 现有的监测水流入道的方法是不够的.
- 了解裂的发展和时间演变对于预警系统至关重要.
研究的目的:
- 为采矿水灾害开发基于微地震的早期预警系统.
- 建立一个理论模型,将微地震活动与水冲入量相关联.
- 为了提高水灾事件的预测准确度.
主要方法:
- 根据微地震损伤和道形态学来导出水冲入道尺寸的表达式.
- 建立微地震-水冲入体积相关性的理论模型.
- 分析现场监测数据以确定前体事件.
- 应用机器学习 (遗传算法,分析层次过程,随机森林) 进行最佳的索引选择和重量确定.
主要成果:
- 建立了一个理论模型,将微地震事件与水流量和水位变化联系起来.
- 现场数据证实,高能微地震事件和下降的含水层水平在水涌入之前发生.
- 使用优化机器学习模型的集成预警系统展示了卓越的预测性能.
- 所有高水冲入事件都在四天内成功预测.
结论:
- 水平下降与高能微地震特征相结合,是矿山水灾害的关键早期预警指标.
- 与单一监测方法相比,开发的综合预警系统显著提高了预测准确性.
- 该研究为采矿业务中基于微地震的水灾预警提供了强大的理论和实践框架.
